京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代传统报业如何占位(1)_数据分析师考试
大数据时代的大门刚刚开启,巨头、中小企业、各类机构都将重新寻找在互联网中的位置,报业如何立足优势恰当占位?需要务实创新的思考和回答。
数据再“大”无用武之地等于零,要搜集“慢数据” “活数据”
互联网上每时每刻都在产生数据,人们生活中无所不在的各种设备,比如电脑、手机、智能电器、感应器等等,都能时刻留下人的行为痕迹,实时产生数据,这些呈几何级增加的数据沉淀在网上,成为大数据。这些大数据有多大用?
2014年5月29日,百度董事长兼CEO李彦宏在第九届百度联盟峰会上预测了“未来5年有非常大的发展”的两大产业机会,这两大产业是“BAT(百度、阿里巴巴、腾讯)三者都不会涉足的领域”:1.新型企业级软件,解决企业从内部到外部链接的问题;2.挖掘新的有价值的“慢数据”,发掘个性化的预测信息,为用户寻找真正有价值的新数据。
李彦宏的分析有共识性、有说服力——在用户规模扩大、流量激增的情况下,目前互联网企业面临尴尬:搜集上来真正有价值的数据很少,无价值数据增多,有价值数据积累并不比传统企业更有优势。“比如最近比较火的智能硬件,手环、眼镜,搜集很多的数据,但这些数据拿过来,总觉得用不上,没法分析。”为此,他建议企业通过搜集“慢数据”来获取真正有价值的数据,找准并挖掘能真正帮助用户解决问题的新数据。这一判断,对报业这样的传统企业来说既是一种安慰,更是鼓舞。
另一个与之印证的观点是,阿里巴巴集团执行副总裁曾鸣最近有一篇长文分析说,大数据最重要的特征不在大小,而在死活。数据的死活决定一切,从数据的管理到数据的运用,数据必须能活起来,开始跑通迭代,才能产生持续价值。
既然传统媒体与新兴媒体及很多大企业一样,对如何用好大数据基本站在同一起跑线上,对报业来说,如何利用自身优势和资源去发掘、应用好“慢数据”“活数据”,让大数据成为报业未来的一大新增长点,就成为迫切需要研究解决的重要课题。
报业在大数据产业中的一席之地在哪儿?
《大数据时代》的作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”,他描述了大数据价值链的三大构成:第一种是基于数据本身的公司,这些公司拥有大量数据或者可以收集到大量数据。第二种是基于技能的公司,它们通常掌握了专业技能,但并不一定拥有数据,往往是技术供应商、分析公司或者咨询公司。第三种是基于思维的公司。
在互联网上,任何主动收集庞大数据的行为,其成本都难以想象。因此,基于数据本身的第一种公司在价值链中处于最核心的位置,比如美国的谷歌、苹果、Facebook、亚马逊,中国的腾讯、阿里巴巴、百度。他们的优势是大数据聚合和模型构建,他们也想方设法把自己打造成基础设施和平台,使大数据在自己的平台上发挥出最大效用。
比如, 2014年4月百度正式发布了大数据引擎,将核心大数据能力开放,向外界提供大数据存储、分析及挖掘的技术能力,以更好地帮助传统行业挖掘数据价值,加快传统行业转型升级。百度联盟将基于“开放云”“数据工厂”“百度大脑”三级开放平台,推进“人找信息”向“信息找人”的变革,为媒体、DSP、广告主、代理商提供更简单、高效的推广及变现平台。
而具有数据思维和数据技术的公司,在未来竞争中也处于有利地位,围绕着数据化变革,将衍生出新的商业模式。一是数据资产存储,二是数据资产定价,三是数据资产中介,四是数据资产管理,五是数据驱动的解决方案。①
从价值链和报业传统优势的角度分析,报业即使在采集、处理、储存、传播等各方面完全数字化后,即使数据量再大,与那些互联网入口企业相比、与真正生成大数据的公司相比,那点数据还远远不够大,因此不可能去做基于数据本身的公司。比较理性、可行的选择是,传统报业对大数据的运用着力点应是数据资产中介、数据资产管理、数据驱动的解决方案三大类。
数据资产中介——这个应用领域对媒体来说并不陌生,比如彭博社、路透社和《朝日新闻》、日本经济新闻社等新闻机构,收集免费的数据制成数据库,通过数据的加工和组合、分析产生新的价值,再卖给有需求的企业、机构。这是一些大通讯社和财经专业媒体的强项。
数据资产管理——听起来有点儿抽象,但其中可操作的内容对报业并不陌生。比如,网络上每天产生各种新闻、信息,特别是负面新闻、评论,无论对机构、企业和个人而言都是正面或负面资产,既然是资产,如何管理就是一门生意。舆论监督本就是报业的核心功能之一,加之媒体对舆论危机公关比较擅长,由此延伸到数据资产的管理,角色跨度并不很大,不失为基于报业资源优势的一种务实选择。
再看数据驱动的解决方案——对报业来说其应用领域相当广泛。未来,媒体在做好社会记录者与信息传播者外,更应定位成社会解读者和分析预测者,做好信息和数据的深度加工、深度解读和去伪存真的服务,而大数据无疑能成为报业进行全面深刻洞察的一大利器。 下面将具体分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11